在 CUDA Unified Memory 多 GPU 或多处理器中使用原子算术运算答案

【问题标题】：Using atomic arithmetic operations in CUDA Unified Memory multi-GPU or multi-processor在 CUDA Unified Memory 多 GPU 或多处理器中使用原子算术运算
【发布时间】：2020-09-27 17:31:48
【问题描述】：

我正在尝试实现一个使用统一内存的 CUDA 程序。我有两个统一的数组，有时它们需要自动更新。

下面的问题有针对单 GPU 环境的答案，但我不确定如何扩展问题中给出的答案以适应多 GPU 平台。

问题：cuda atomicAdd example fails to yield correct output

如果您需要此信息，我有 4 个 Tesla K20，所有这些都更新了必须以原子方式完成的部分阵列。

如果有任何帮助/建议，我将不胜感激。

【问题讨论】：

你不能用你所拥有的硬件做你想做的事
Tesla K20（计算能力 3.5）不支持超出单个 GPU 的原子，请参阅 here，无论有无统一内存。
@talonmies 我在一个集群上，我可以请求另一个节点，所以硬件的生成不是问题。现在，我怎样才能实现这种原子增量？
@RobertCrovella 哦，我现在看到指南了，谢谢！！
如果您有 6.x 或更好的硬件，请使用原子的 _system 变体。它在我已经链接的编程指南中。

标签： cuda atomic unified-memory

【解决方案1】：

将 cmets 总结为一个答案：

您可以使用atomicAdd_system 执行这种地址空间范围的原子操作
但是，您只能在计算能力 6.x 或更高版本的设备（如果使用 Tegra，则为 7.2 或更高版本）上执行此操作
具体而言，这意味着您必须针对正确的计算能力进行编译，例如 -arch=sm_60 或类似的
您在问题中声明您使用的是 Telsa K20 卡 - 这些是计算能力 3.5，不支持任何系统范围的原子功能。

与往常一样，此信息在编程指南的relevant section 中得到了简洁的总结。

【讨论】：